Pronóstico económico mediante el uso de la curva de rendimiento: benchmarking para Latinoamérica y Estados Unidos.

Abstract

de rendimiento son aspectos fundamentales en la toma de decisiones financieras y en el diseño de políticas económicas. La curva de rendimiento representa la relación entre las tasas de interés y los diferentes plazos de vencimiento de los bonos, es un indicador clave para anticipar ciclos económicos, evaluar expectativas de inflación y medir el riesgo de inversión en diferentes mercados. En este contexto, la importancia de desarrollar modelos precisos para estimar y pronosticar esta curva es importante para economistas, agentes de inversiones y autoridades financieras. Este trabajo de tesis se centra en la evaluación de dos modelos ampliamente utilizados para estimar la curva de rendimiento: Smoothing Splines y Nelson y Siegel. La hipótesis principal que se plantea es que un modelo más flexible, como Smoothing Splines, puede ofrecer mejores resultados de pronóstico en términos de precisión, en comparación con los modelos paramétricos más tradicionales. Para comprobar esta hipótesis, se han aplicado y comparado estos modelos utilizando datos de tasas de bonos indexados a inflación y con su moneda local de cinco países: Chile, Perú, Colombia, México y Estados Unidos. Por otro lado, el estudio se basa en un enfoque cuantitativo, utilizando métricas de error como el MAE (Mean Absolute Error) y el R2 para evaluar la precisión de los modelos. Este análisis proporciona información valiosa sobre la eficacia de cada modelo en función de las características macroeconómicas y financieras específicas de cada país. Posteriormente, en términos de resultados, se evidencia que el modelo de Smoothing Splines ofrece la mejor precisión en todos los países analizados, confirmando nuestra hipótesis inicial.